
在数字化浪潮下,中学生数字体育参与差异显著。研究人员基于 2018 年 PISA 香港数据,运用多种分析方法探究影响因素及阈值效应。发现学业成绩等 5 因手机购彩素关键,据此提出促进参与、缩小差距策略,为数字体育发展提供重要参考。
在科技飞速发展的当下,数字技术已深度融入人们生活的方方面面,体育领域也不例外。数字体育(即通过信息技术连接体育场景和智能设备,帮助参与者实现健身和心理健康目标的体育活动)正逐渐兴起,成为国际研究的焦点,在体育和健康产业中发挥着越来越重要的作用。然而,随着数字技术与社会的深度融合,不同社会群体之间出现了数字鸿沟,这一现象在体育领域也有所体现,中学生作为身心发展的关键阶段人群,其数字体育参与的差异问题不容忽视。这些差异不仅影响教育成果和回报,还阻碍了数字体育的普及,因此探究造成中学生数字体育参与差异的因素、明确相关影响因素的阈值,对促进数字体育公平发展至关重要。
四川大学体育学院等机构的研究人员针对这一问题展开研究,相关成果发表在《Scientific Reports》上。该研究旨在阐明数字体育参与差异背后的机制,为缩小数字鸿沟、推进数字公平提供参考。
研究人员使用的数据来自经济合作与发展组织(OECD)发起的国际学生评估项目(PISA)2018 年香港地区的调查。研究以学生是否在体育参与中使用数字技术作为因变量,从个体、家庭和学校层面选取 26 个自变量。研究中主要运用了单变量分析、多水平逻辑回归、机器学习建模(包括高斯朴素贝叶斯 GNB、梯度提升决策树 GBDT、K 近邻 KNN 和逻辑回归 LR 算法)以及 SHAP(SHapley Additive exPlanations)可解释性分析等关键技术方法 。
:中学生数字体育参与分为参与者和非参与者两组,两组在性别、学业成绩、ICT 资源等多个变量上存在显著差异。
:通过分析确定了每周体育课天数、学校 ICT 资源、家庭 ICT 资源、学生 ICT 社会认知和学业成绩 5 个显著影响因素(
:以多水平逻辑回归筛选出的变量构建机器学习模型,经超参数优化后,LR 模型预测性能较好,集成堆叠模型表现更优,AUC 达到 0.723。
:利用 SHAP 方法对堆叠模型分析,发现学业成绩和每周体育课天数是关键影响因素。同时,特征依赖图展示了各因素的阈值效应和非线性关系,如每周体育课 2 天及以上、ICT 资源达到 8 分以上等对参与有促进作用。
研究结论表明,学业成绩与中学生数字体育参与呈显著负相关,可能是因为学业压力使成绩优秀的学生专注学习而减少数字体育活动时间;每周体育课天数、家庭和学校 ICT 资源、ICT 社会认知与参与呈正相关。这些因素部分解释了中学生数字体育参与的差异,这种差异会导致数字体育技术带来的益处分配不均,加剧数字体育鸿沟。
为提升中学生数字体育参与度、缩小数字体育鸿沟,学校应保证每周至少两次体育课并增加频次,推进体育教育数字化;相关部门应搭建优质数字体育服务平台,促进资源共享,实施互动体育模式,拓展数字体育社交维度。虽然该研究存在一定局限性,如未考虑心理行为因素、对高层次环境因素测量有限等,但整体上为后续研究提供了方向,也为教育和体育部门制定政策提供了重要依据,对推动中学生数字体育发展、实现数字体育公平具有重要意义。
